jieba结巴分词，常用分词函数有哪些？如何获得分词词性？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

结巴分词是python代码中，最常使用的分词组件，它可以自定义词典，也可以有多种分词使用方式。那么，jieba结巴分词，最常见的分词使用形式是哪些呢？如何才能获得良好的分词结果呢？这些是本文中要讨论的问题。

大家好，这里是苏南大叔的程序如此灵动博客，这里记录苏南大叔和计算机代码的故事。本文主要讨论jieba的cut默认分词方式，以及jieba的posseg.cut分词方式。本文测试环境：win10，python@3.6.8，jieba@0.42.1。

安装jieba

安装方式非常简单，命令是：

pip install jieba

相关文章链接：

• https://newsn.net/say/python-jieba.html

打印jieba的版本号，代码是：

jieba.__version__

可以使用dir函数，来获得jieba对象的可用方法。相关文章链接：

• https://newsn.net/say/python-dir.html

常用函数一：jieba.cut

jieba内有很多种cut，但是对于苏南大叔来说，其它的cut函数，都没有啥实用价值。所以，个人推荐使用默认的jieba.cut。

测试代码如下：

import jieba
words = "苏南大叔毕业于北京大学"
seg_list  = jieba.cut(words)
seg_list2 = jieba.cut(words, cut_all=False)
seg_list3 = jieba.cut(words, cut_all=True)
print('/ '.join(seg_list))   # 苏南/ 大叔/ 毕业/ 于/ 北京大学
print('/ '.join(seg_list2))  # 苏南/ 大叔/ 毕业/ 于/ 北京大学
print('/ '.join(seg_list3))  # 苏南/ 南大/ 大叔/ 毕业/ 于/ 北京/ 北京大学/ 大学

上面的jieba.cut函数中，因为cut_all参数的默认值就是False。所以，两者等效。

常用函数二：jieba.posseg.cut

如果不使用jieba.cut，而使用jieba.posseg.cut的话，是可以切割出词性的。使用方式如下：

import jieba.posseg
words = "苏南大叔毕业于北京大学"
result = jieba.posseg.cut(words)
res = ""
for w in result:
    res += w.word+"/"+w.flag + " "
print(res)            # 苏南/ns 大叔/n 毕业/n 于/p 北京大学/nt

这里分词的结果有word和flag，其中flag就是词性，这里的词性列表实际上是有个标准的，每个词性都有其特殊的属性意义。

这里的n/ns之类的字样，就是表示词性的。不过，具体每个词性表示什么意思。并不是本文要讨论的内容。这个是有个行业标准的，一般都会符合这个标准。这里有更详细的词性描述：

• https://newsn.net/say/nlp-code.html

相关文章

• https://newsn.net/say/python-dir.html
• https://newsn.net/say/python-jieba.html

综述

jieba分词使用方式，还有其它的使用方式。本文介绍的两种方式，仅仅是对于苏南大叔有用的两个分词函数。在实际的运用中，一般使用lcut代替cut。不过，苏南大叔觉得这个cut也蛮好用的。更多jieba相关函数，请点击：

• https://newsn.net/tag/jieba/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。